CN108919295A - 机载LiDAR点云道路信息提取方法及装置 - Google Patents
机载LiDAR点云道路信息提取方法及装置 Download PDFInfo
- Publication number
- CN108919295A CN108919295A CN201810460294.4A CN201810460294A CN108919295A CN 108919295 A CN108919295 A CN 108919295A CN 201810460294 A CN201810460294 A CN 201810460294A CN 108919295 A CN108919295 A CN 108919295A
- Authority
- CN
- China
- Prior art keywords
- road
- point cloud
- grid
- elevation
- cloud data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000006073 displacement reaction Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 10
- 238000004513 sizing Methods 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 6
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 4
- 230000000750 progressive effect Effects 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 10
- 238000009826 distribution Methods 0.000 abstract description 2
- 230000007773 growth pattern Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 241000193935 Araneus diadematus Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
- G01S7/4873—Extracting wanted echo signals, e.g. pulse detection by deriving and controlling a threshold value
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种机载LiDAR点云道路信息提取方法及装置,包括:对获取的待检测道路的点云数据进行滤波获得地面点云数据;对地面点云数据建立二维网格;确定每个网格对应的第一平均高程值,和所有临近网格对应的最高高程、最低高程和第二平均高程值,并根据这些数值确定所有临近网格中是否存在道路点网格;当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇;根据每个道路点网格簇的大小,确定道路点网格簇中的点云数据是否为道路点云数据。该方案对点云建立标准空间网格,利用其空间分布特征及相互高程差的关系确定道路位置,并根据网格聚类的生长方式确定存在道路的网格,达到提取道路的目的。
Description
技术领域
本发明涉及激光点云分类技术领域,特别涉及一种机载LiDAR点云道路信息提取方法及装置。
背景技术
机载激光雷达(LIDAR)技术是近年来发展起来的一种可以直接获取地面三维信息的技术,具有传统航空摄影测量无可比拟的优势,已广泛应用于城市建筑物提取和三维重建。但LIDAR获取的点云数据除包含建筑物信息外,也包含了其他非建筑物信息,如地面信息和植被信息以及道路信息。道路与周围地面点通常很难利用高度信息进行分割,使道路信息的自动提取较建筑物提取困难更大,研究成果相对少些,道路信息愈来愈受到广泛重视,如何有效地提取道路信息一直是该领域的研究热点之一。
利用点云数据提取道路信息是目前学界研究的热点,通常采用滤波分割算法作为提取算法。该算法分两步进行:第一步是滤波,先采用形态学滤波法或表面估计滤波法,提取数字地面模型DTM(Digital Terrain Model,数字地面模型是利用一个任意坐标系中大量选择的已知x、y、z的坐标点对连续地面的一种模拟表示,或者说,DTM就是地形表面形态属性信息的数字表达,是带有空间位置特征和地形属性特征的数字描述。x、y表示该点的平面坐标,z值可以表示高程、坡度、温度等信息),然后将点云数据直接获取的数字表面模型与DTM做差,通过预设的高差比值,将DSM点群分为地面点群和非地面点群。第二步是分割,道路分割是对地面点群进行分割,通常是借助所获得的激光回波的强度信息,将非道路点群(主要是绿地等点群)去除,提取出道路点群。另外,澳大利亚昆士兰大学利用激光回波的强度信息进行道路提取。该方法包括:首先利用不同尺寸的窗口进行形态学开运算,生成DTM,利用LIDAR的高度信息,将数据分为地面点和非地面点,然后利用激光回波的强度信息将地面点分为道路和非道路,最后利用一系列的滤波方法精确分类出道路。
目前在道路分割中所使用的主流算法,需要使用激光回波的强度数据进行辅助分割,由于目前能够提供强度数据的系统还有限,即使是能够提供强度数据的系统,其强度数据一般也较为模糊。此外,激光回波的强度不仅与反射介质点特性有关,还同激光的入射角度、激光脉冲作用点距离等因素有关。因此,利用激光回波强度数据进行数据分割具有一定难度,需要开发新的不使用强度数据的道路分割算法,提高算法的实用性。
发明内容
本发明实施例提供了一种机载LiDAR点云道路信息提取方法及装置,使用反射强度信息进行提取,并使用滤波剔除非地面点的干扰,缩减了计算时间,解决了反射强度信息进行提取效果不稳定以及效率低下等原因导致在实际的生产运用起不到良好的效果,实现了对复杂地形下标准公路的快速提取。
该机载LiDAR点云道路信息提取方法包括:
获取待检测道路的点云数据,对所述待检测道路的点云数据进行滤波,获得地面点云数据;
基于预设的网格大小对所述地面点云数据建立二维网格;
计算每个网格及对应的所有临近网格中每个地面点云数据的高程值,确定每个网格对应的第一平均高程值,和所有临近网格对应的最高高程、最低高程和第二平均高程值;
根据第一平均高程值、最高高程、最低高程和第二平均高程值,确定所有临近网格中是否存在道路点网格;
当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇;
根据每个道路点网格簇的大小,确定所述道路点网格簇是否满足道路点云网格要求,当满足时,所述道路点网格簇中的点云数据为道路点云数据。
该机载LiDAR点云道路信息提取装置包括:
点云数据获取及滤波模块,用于获取待检测道路的点云数据,对所述待检测道路的点云数据进行滤波,获得地面点云数据;
网格建立模块,用于基于预设的网格大小对所述地面点云数据建立二维网格;
数据计算模块,用于计算每个网格及对应的所有临近网格中每个地面点云数据的高程值,确定每个网格对应的第一平均高程值,和所有临近网格对应的最高高程、最低高程和第二平均高程值;
道路点网格确定模块,用于根据第一平均高程值、最高高程、最低高程和第二平均高程值,确定所有临近网格中是否存在道路点网格;
网格聚类模块,用于当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇;
道路点云数据确定模块,用于根据每个道路点网格簇的大小,确定所述道路点网格簇是否满足道路点云网格要求,当满足时,所述道路点网格簇中的点云数据为道路点云数据。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述所述方法的计算机程序。
在本发明实施例中,对获取的待检测道路的点云数据进行滤波获得地面点云数据;对地面点云数据建立二维网格;确定每个网格对应的第一平均高程值,和所有临近网格对应的最高高程、最低高程和第二平均高程值,并根据这些数值确定所有临近网格中是否存在道路点网格;当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇;根据每个道路点网格簇的大小,确定道路点网格簇中的点云数据是否为道路点云数据。与现有技术相比较,该方案放弃了使用反射强度信息进行提取,并使用滤波剔除非地面点的干扰,缩减了计算时间,解决了反射强度信息进行提取效果不稳定以及效率低下等原因导致在实际的生产运用起不到良好的效果,实现了对复杂地形下标准公路的快速提取。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种机载LiDAR点云道路信息提取方法流程图;
图2是本发明实施例提供的一种标准网格示意图;
图3是本发明实施例提供的一种机载LiDAR点云道路信息提取方法的完整流程图;
图4是本发明实施例提供的一种机载LiDAR点云道路信息提取装置结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例中,提供了一种机载LiDAR点云道路信息提取方法,如图1所示,该机载LiDAR点云道路信息提取方法包括:
步骤101:获取待检测道路的点云数据,对所述待检测道路的点云数据进行滤波,获得地面点云数据;
步骤102:基于预设的网格大小对所述地面点云数据建立二维网格;
步骤103:计算每个网格及对应的所有临近网格中每个地面点云数据的高程值,确定每个网格对应的第一平均高程值,和所有临近网格对应的最高高程、最低高程和第二平均高程值;
步骤104:根据第一平均高程值、最高高程、最低高程和第二平均高程值,确定所有临近网格中是否存在道路点网格;
步骤105:当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇;
步骤106:根据每个道路点网格簇的大小,确定所述道路点网格簇是否满足道路点云网格要求,当满足时,所述道路点网格簇中的点云数据为道路点云数据。
具体实施时,针对步骤101,本发明采用的是渐进加密TIN三角网对所述待检测道路的点云数据进行滤波,目的是为了提取地面点云数据,减少点云计算量。
具体实施时,针对步骤102,按照图2所示的样式对地面点云数据建立标准网格,设置网格参数(指的就是网格大小),即在X0Y平面对地面点云数据划分二维网格,一般网格大小可以设定为长和宽均为0.5m。其中,图2中的灰色部分表示的是地面点云数据,网格Gij附近的画交叉线的是网格Gij的临近网格。一般一个网格的临近网格最少是3个,最多是8个。每个网格中可能包括地面点云数据,也可能不包括地面点云数据,可能包括一个地面点云数据,也可能包括地面点云数据。
具体实施时,针对步骤103和步骤104,是以网格Gij为单元进行数据处理。具体步骤如下:
(1)查询网格Gij的所有临近网格,遍历每个临近网格中每个地面点云数据的高程值(某点沿铅垂线方向到绝对基面的距离,称绝对高程,简称高程),获取网格Gij对应的第一平均高程值,每个临近网格对应的最高高程与最低高程值以及第二平均高程值,计算每个临近网格最高高程与最低高程值的差值(即第一高程差)H1,计算每个临近网格的第二平均高程值与Gij网格的第一平均高程值的差值(即第二高程差)H2。
(2)将H1与网格高程突变阈值A进行比较,将H2与邻域网格高程差阈值B进行比较,根据比较结果确定所有临近网格中是否存在道路点网格。具体的,如果H1大于设定网格高程突变阈值A,表明该临近网格不存在道路点云数据,则认为临近网格不属于道路点网格。如果H1小于设定网格高程突变阈值A并且H2小于设定的邻域网格高程差阈值B,则表明该临近网格可能存在道路点云数据,该临近网格可能属于道路点网格,将该临近网格标记为道路点网格Q{P1,P2,…,Pm}。如果H2大于设定的邻域网格高程差阈值B,则表明该临近网格不存在道路点云数据,该临近网格不属于道路点网格。
具体实施时,针对步骤105和步骤106,具体步骤如下:
当存在道路点网格时,对所有标记为道路点网格的临近网格进行网格聚类,即查询所有道路点网格Q之间是否存在X0Y平面上的相邻关系,以此相邻关系将所有标记为道路点网格的临近网格划分成独立的网格簇。具体的,将具有相邻关系的两个或多个道路点网格划分成一个道路点网格簇,将不具有相邻关系的每个道路点网格单独划分成一个道路点网格簇。然后,计算每个网格簇的大小(长度和宽度),判断每个网格簇的大小是否大于设置的道路宽度阈值W和长度阈值L,当每个网格簇的长度和宽度均大于阈值W和L时,则表明该道路点网格簇满足道路点云网格要求,标记该网格簇为道路点云网格。当每个网格簇的长度小于阈值W或者宽度小于阈值L时,则表明道路点网格簇不满足道路点云网格要求,该道路点网格簇中的点云数据不是道路点云数据。
最后,提取标记为道路点云网格簇中的点云即为道路点云数据。
该机载LiDAR点云道路信息提取方法的完整流程图如图3所示。
基于同一发明构思,本发明实施例中还提供了一种机载LiDAR点云道路信息提取装置,如下面的实施例所述。由于机载LiDAR点云道路信息提取装置解决问题的原理与机载LiDAR点云道路信息提取方法相似,因此机载LiDAR点云道路信息提取装置的实施可以参见机载LiDAR点云道路信息提取方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是本发明实施例的机载LiDAR点云道路信息提取装置的一种结构框图,如图4所示,包括:
点云数据获取及滤波模块401,用于获取待检测道路的点云数据,对所述待检测道路的点云数据进行滤波,获得地面点云数据;
网格建立模块402,用于基于预设的网格大小对所述地面点云数据建立二维网格;
数据计算模块403,用于计算每个网格及对应的所有临近网格中每个地面点云数据的高程值,确定每个网格对应的第一平均高程值,和所有临近网格对应的最高高程、最低高程和第二平均高程值;
道路点网格确定模块404,用于根据第一平均高程值、最高高程、最低高程和第二平均高程值,确定所有临近网格中是否存在道路点网格;
网格聚类模块405,用于当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇;
道路点云数据确定模块406,用于根据每个道路点网格簇的大小,确定所述道路点网格簇是否满足道路点云网格要求,当满足时,所述道路点网格簇中的点云数据为道路点云数据。
具体实施时,所述点云数据获取及滤波模块401具体用于:
采用渐进加密TIN三角网对所述待检测道路的点云数据进行滤波。
具体实施时,所述道路点网格确定模块404具体用于:
计算最高高程和最低高程的第一高程差,第一平均高程值与第二平均高程值的第二高程差;
将所述第一高程差与网格高程突变阈值进行比较,所述第二高程差与邻域网格高程差阈值进行比较,根据比较结果确定所有临近网格中是否存在道路点网格。
具体实施时,所述道路点网格确定模块404具体用于:
当所述第一高程差大于网格高程突变阈值,表明该临近网格不存在道路点云数据,该临近网格不属于道路点网格;
当所述第一高程差小于网格高程突变阈值,且,所述第二高程差小于邻域网格高程差阈值时,表明该临近网格可能存在道路点云数据,该临近网格可能属于道路点网格;
当所述第二高程差大于邻域网格高程差阈值时,表明该临近网格不存在道路点云数据,该临近网格不属于道路点网格。
具体实施时,所述网格聚类模块405具体用于:
当存在道路点网格时,确定所有道路点网格的相邻关系,将具有相邻关系的两个或多个道路点网格划分成一个道路点网格簇,将不具有相邻关系的每个道路点网格单独划分成一个道路点网格簇。
具体实施时,所述道路点云数据确定模块406具体用于:
计算每个道路点网格簇的长度和宽度,将所述长度与道路长度阈值进行比较,将所述宽度与道路宽度阈值进行比较;
当所述长度大于道路长度阈值,且所述宽度大于道路宽度阈值时,则相应的道路点网格簇满足道路点云网格要求,道路点网格簇中的点云数据为道路点云数据;
当所述长度小于道路长度阈值,或所述宽度小于道路宽度阈值时,则相应的道路点网格簇不满足道路点云网格要求,道路点网格簇中的点云数据不是道路点云数据。
具体实施时,本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述方法。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述所述方法的计算机程序。
综上所述,本发明以空间聚类及空间自相关的角度为基础,对点云建立标准空间网格,利用点云数据的空间分布特征及相互高程差的关系,确定道路位置,并根据网格聚类的生长方式确定存在道路的网格,达到提取道路的目的,该算法放弃了使用反射强度信息进行提取,并使用滤波剔除非地面点的干扰,缩减了计算时间,解决了反射强度信息进行提取效果不稳定以及效率低下等原因导致在实际的生产运用起不到良好的效果,实现了对复杂地形下标准公路的快速提取。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种机载LiDAR点云道路信息提取方法,其特征在于,包括:
获取待检测道路的点云数据,对所述待检测道路的点云数据进行滤波,获得地面点云数据;
基于预设的网格大小对所述地面点云数据建立二维网格;
计算每个网格及对应的所有临近网格中每个地面点云数据的高程值,确定每个网格对应的第一平均高程值,和所有临近网格对应的最高高程、最低高程和第二平均高程值;
根据第一平均高程值、最高高程、最低高程和第二平均高程值,确定所有临近网格中是否存在道路点网格;
当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇;
根据每个道路点网格簇的大小,确定所述道路点网格簇是否满足道路点云网格要求,当满足时,所述道路点网格簇中的点云数据为道路点云数据。
2.如权利要求1所述的机载LiDAR点云道路信息提取方法,其特征在于,对所述待检测道路的点云数据进行滤波,包括:
采用渐进加密TIN三角网对所述待检测道路的点云数据进行滤波。
3.如权利要求1所述的机载LiDAR点云道路信息提取方法,其特征在于,根据第一平均高程值、最高高程、最低高程和第二平均高程值,确定所有临近网格中是否存在道路点网格,包括:
计算最高高程和最低高程的第一高程差,第一平均高程值与第二平均高程值的第二高程差;
将所述第一高程差与网格高程突变阈值进行比较,所述第二高程差与邻域网格高程差阈值进行比较,根据比较结果确定所有临近网格中是否存在道路点网格。
4.如权利要求3所述的机载LiDAR点云道路信息提取方法,其特征在于,将所述第一高程差与网格高程突变阈值进行比较,所述第二高程差与邻域网格高程差阈值进行比较,根据比较结果确定所有临近网格中是否存在道路点网格,包括:
当所述第一高程差大于网格高程突变阈值,表明该临近网格不存在道路点云数据,该临近网格不属于道路点网格;
当所述第一高程差小于网格高程突变阈值,且,所述第二高程差小于邻域网格高程差阈值时,表明该临近网格可能存在道路点云数据,该临近网格可能属于道路点网格;
当所述第二高程差大于邻域网格高程差阈值时,表明该临近网格不存在道路点云数据,该临近网格不属于道路点网格。
5.如权利要求1所述的机载LiDAR点云道路信息提取方法,其特征在于,当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇,包括:
当存在道路点网格时,确定所有道路点网格的相邻关系,将具有相邻关系的两个或多个道路点网格划分成一个道路点网格簇,将不具有相邻关系的每个道路点网格单独划分成一个道路点网格簇。
6.如权利要求1所述的机载LiDAR点云道路信息提取方法,其特征在于,根据每个道路点网格簇的大小,确定所述道路点网格簇是否满足道路点云网格要求,当满足时,所述道路点网格簇中的点云数据为道路点云数据,包括:
计算每个道路点网格簇的长度和宽度,将所述长度与道路长度阈值进行比较,将所述宽度与道路宽度阈值进行比较;
当所述长度大于道路长度阈值,且所述宽度大于道路宽度阈值时,则相应的道路点网格簇满足道路点云网格要求,道路点网格簇中的点云数据为道路点云数据;
当所述长度小于道路长度阈值,或所述宽度小于道路宽度阈值时,则相应的道路点网格簇不满足道路点云网格要求,道路点网格簇中的点云数据不是道路点云数据。
7.一种机载LiDAR点云道路信息提取装置,其特征在于,包括:
点云数据获取及滤波模块,用于获取待检测道路的点云数据,对所述待检测道路的点云数据进行滤波,获得地面点云数据;
网格建立模块,用于基于预设的网格大小对所述地面点云数据建立二维网格;
数据计算模块,用于计算每个网格及对应的所有临近网格中每个地面点云数据的高程值,确定每个网格对应的第一平均高程值,和所有临近网格对应的最高高程、最低高程和第二平均高程值;
道路点网格确定模块,用于根据第一平均高程值、最高高程、最低高程和第二平均高程值,确定所有临近网格中是否存在道路点网格;
网格聚类模块,用于当存在道路点网格时,将所有道路点网格进行网格聚类确定道路点网格簇;
道路点云数据确定模块,用于根据每个道路点网格簇的大小,确定所述道路点网格簇是否满足道路点云网格要求,当满足时,所述道路点网格簇中的点云数据为道路点云数据。
8.如权利要求7所述的机载LiDAR点云道路信息提取装置,其特征在于,所述点云数据获取及滤波模块具体用于:
采用渐进加密TIN三角网对所述待检测道路的点云数据进行滤波。
9.如权利要求7所述的机载LiDAR点云道路信息提取装置,其特征在于,所述道路点网格确定模块具体用于:
计算最高高程和最低高程的第一高程差,第一平均高程值与第二平均高程值的第二高程差;
将所述第一高程差与网格高程突变阈值进行比较,所述第二高程差与邻域网格高程差阈值进行比较,根据比较结果确定所有临近网格中是否存在道路点网格。
10.如权利要求9所述的机载LiDAR点云道路信息提取装置,其特征在于,所述道路点网格确定模块具体用于:
当所述第一高程差大于网格高程突变阈值,表明该临近网格不存在道路点云数据,该临近网格不属于道路点网格;
当所述第一高程差小于网格高程突变阈值,且,所述第二高程差小于邻域网格高程差阈值时,表明该临近网格可能存在道路点云数据,该临近网格可能属于道路点网格;
当所述第二高程差大于邻域网格高程差阈值时,表明该临近网格不存在道路点云数据,该临近网格不属于道路点网格。
11.如权利要求7所述的机载LiDAR点云道路信息提取装置,其特征在于,所述网格聚类模块具体用于:
当存在道路点网格时,确定所有道路点网格的相邻关系,将具有相邻关系的两个或多个道路点网格划分成一个道路点网格簇,将不具有相邻关系的每个道路点网格单独划分成一个道路点网格簇。
12.如权利要求7所述的机载LiDAR点云道路信息提取装置,其特征在于,所述道路点云数据确定模块具体用于:
计算每个道路点网格簇的长度和宽度,将所述长度与道路长度阈值进行比较,将所述宽度与道路宽度阈值进行比较;
当所述长度大于道路长度阈值,且所述宽度大于道路宽度阈值时,则相应的道路点网格簇满足道路点云网格要求,道路点网格簇中的点云数据为道路点云数据;
当所述长度小于道路长度阈值,或所述宽度小于道路宽度阈值时,则相应的道路点网格簇不满足道路点云网格要求,道路点网格簇中的点云数据不是道路点云数据。
13.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至6任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810460294.4A CN108919295A (zh) | 2018-05-15 | 2018-05-15 | 机载LiDAR点云道路信息提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810460294.4A CN108919295A (zh) | 2018-05-15 | 2018-05-15 | 机载LiDAR点云道路信息提取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108919295A true CN108919295A (zh) | 2018-11-30 |
Family
ID=64403114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810460294.4A Pending CN108919295A (zh) | 2018-05-15 | 2018-05-15 | 机载LiDAR点云道路信息提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108919295A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110060289A (zh) * | 2019-04-26 | 2019-07-26 | 深圳市镭神智能系统有限公司 | 电力线提取方法和激光雷达系统、存储介质 |
CN110070109A (zh) * | 2019-03-28 | 2019-07-30 | 东南大学 | 一种适用于建筑排列密集区的地物散乱点自动聚类的方法 |
CN110910435A (zh) * | 2019-11-08 | 2020-03-24 | 国网通用航空有限公司 | 建筑物点云提取方法、装置、计算机设备及可读存储介质 |
CN111192310A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 基于激光点云的高速地面快速提取系统及方法 |
CN111208530A (zh) * | 2020-01-15 | 2020-05-29 | 北京四维图新科技股份有限公司 | 定位图层生成方法、装置、高精度地图及设备 |
CN111426329A (zh) * | 2020-03-12 | 2020-07-17 | 深圳小库科技有限公司 | 一种道路生成方法、装置、计算机设备及存储介质 |
CN112330604A (zh) * | 2020-10-19 | 2021-02-05 | 香港理工大学深圳研究院 | 一种从点云数据生成矢量化道路模型的方法 |
CN112513679A (zh) * | 2020-04-15 | 2021-03-16 | 华为技术有限公司 | 一种目标识别的方法和装置 |
WO2022033799A1 (de) | 2020-08-14 | 2022-02-17 | Robert Bosch Gmbh | Clusteranalyse einer punktwolke |
CN114359863A (zh) * | 2021-12-23 | 2022-04-15 | 深圳优地科技有限公司 | 激光雷达数据处理方法、装置及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787921A (zh) * | 2015-08-19 | 2016-07-20 | 南京大学 | 利用机载LiDAR数据重建大型复杂立交桥三维模型的方法 |
CN106529469A (zh) * | 2016-11-08 | 2017-03-22 | 华北水利水电大学 | 基于自适应坡度的无人机载LiDAR点云滤波方法 |
-
2018
- 2018-05-15 CN CN201810460294.4A patent/CN108919295A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787921A (zh) * | 2015-08-19 | 2016-07-20 | 南京大学 | 利用机载LiDAR数据重建大型复杂立交桥三维模型的方法 |
CN106529469A (zh) * | 2016-11-08 | 2017-03-22 | 华北水利水电大学 | 基于自适应坡度的无人机载LiDAR点云滤波方法 |
Non-Patent Citations (2)
Title |
---|
吴侃 等: "《矿山开采沉陷监测及预测新技术》", 31 December 2012, 北京:中国环境科学出版社 * |
王濮 等: "机载LiDAR数据提取山区道路方法研究", 《遥感技术与应用》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070109A (zh) * | 2019-03-28 | 2019-07-30 | 东南大学 | 一种适用于建筑排列密集区的地物散乱点自动聚类的方法 |
CN110070109B (zh) * | 2019-03-28 | 2021-02-26 | 东南大学 | 一种适用于建筑排列密集区的地物散乱点自动聚类的方法 |
CN110060289B (zh) * | 2019-04-26 | 2021-08-17 | 深圳市镭神智能系统有限公司 | 电力线提取方法和激光雷达系统、存储介质 |
CN110060289A (zh) * | 2019-04-26 | 2019-07-26 | 深圳市镭神智能系统有限公司 | 电力线提取方法和激光雷达系统、存储介质 |
CN110910435A (zh) * | 2019-11-08 | 2020-03-24 | 国网通用航空有限公司 | 建筑物点云提取方法、装置、计算机设备及可读存储介质 |
CN110910435B (zh) * | 2019-11-08 | 2022-11-11 | 国网电力空间技术有限公司 | 建筑物点云提取方法、装置、计算机设备及可读存储介质 |
CN111192310A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 基于激光点云的高速地面快速提取系统及方法 |
CN111208530A (zh) * | 2020-01-15 | 2020-05-29 | 北京四维图新科技股份有限公司 | 定位图层生成方法、装置、高精度地图及设备 |
CN111208530B (zh) * | 2020-01-15 | 2022-06-17 | 北京四维图新科技股份有限公司 | 定位图层生成方法、装置、高精度地图及设备 |
CN111426329B (zh) * | 2020-03-12 | 2021-10-22 | 深圳小库科技有限公司 | 一种道路生成方法、装置、计算机设备及存储介质 |
CN111426329A (zh) * | 2020-03-12 | 2020-07-17 | 深圳小库科技有限公司 | 一种道路生成方法、装置、计算机设备及存储介质 |
WO2021207954A1 (zh) * | 2020-04-15 | 2021-10-21 | 华为技术有限公司 | 一种目标识别的方法和装置 |
CN112513679A (zh) * | 2020-04-15 | 2021-03-16 | 华为技术有限公司 | 一种目标识别的方法和装置 |
CN112513679B (zh) * | 2020-04-15 | 2021-12-03 | 华为技术有限公司 | 一种目标识别的方法和装置 |
WO2022033799A1 (de) | 2020-08-14 | 2022-02-17 | Robert Bosch Gmbh | Clusteranalyse einer punktwolke |
DE102020210355A1 (de) | 2020-08-14 | 2022-02-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Clusteranalyse einer Punktwolke |
CN112330604B (zh) * | 2020-10-19 | 2021-08-10 | 香港理工大学深圳研究院 | 一种从点云数据生成矢量化道路模型的方法 |
CN112330604A (zh) * | 2020-10-19 | 2021-02-05 | 香港理工大学深圳研究院 | 一种从点云数据生成矢量化道路模型的方法 |
CN114359863A (zh) * | 2021-12-23 | 2022-04-15 | 深圳优地科技有限公司 | 激光雷达数据处理方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108919295A (zh) | 机载LiDAR点云道路信息提取方法及装置 | |
CN106815847B (zh) | 基于激光雷达点云的树木分割方法及单棵树提取方法 | |
CN109584294B (zh) | 一种基于激光点云的路面点云提取方法和装置 | |
CN102930509B (zh) | 一种机载激光点云数据的智能化滤波方法 | |
CN103871102B (zh) | 一种基于高程点和道路轮廓面的道路三维精细建模方法 | |
Ugelmann | Automatic breakline detection from airborne laser range data | |
CN106780524A (zh) | 一种三维点云道路边界自动提取方法 | |
CN102103202A (zh) | 一种融合影像的机载激光雷达数据半监督分类方法 | |
CN106529469A (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
CN106570468A (zh) | 一种重建LiDAR原始点云建筑物轮廓线的方法 | |
CN102521884A (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
CN107228673A (zh) | 航路规划方法及装置 | |
CN105205866A (zh) | 基于密集点云的城市三维模型快速构建方法 | |
JP6760781B2 (ja) | 3次元モデル生成装置、3次元モデル生成方法及びプログラム | |
CN108470174A (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
CN110349092A (zh) | 一种点云滤波方法及设备 | |
CN111652241B (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
CN109839119B (zh) | 跨路桥梁桥面区域的获取方法及装置 | |
CN107358640A (zh) | 一种晕渲目标区域的地形和地物的方法及装置 | |
CN108225334A (zh) | 一种基于三维实景数据的定位方法及装置 | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
Huber et al. | Fusion of LIDAR data and aerial imagery for automatic reconstruction of building surfaces | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
KR101092250B1 (ko) | 레인지 영상으로부터의 객체 분할 장치 및 방법 | |
JP4619504B2 (ja) | 3次元デジタル地図作成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 102209 B218, No. 10 Zhongxing Road, Changping District Science Park, Beijing Applicant after: State Grid Power Space Technology Co.,Ltd. Applicant after: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Address before: 102209 B218, No. 10 Zhongxing Road, Changping District Science Park, Beijing Applicant before: SGCC GENERAL AVIATION Co.,Ltd. Applicant before: STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |
|
RJ01 | Rejection of invention patent application after publication |